答案很短，推理token为什么还按输出价扣？

1. 看不见的推理，按输出计

OpenAI 的推理模型说明把推理 token 写成模型用来拆题、试路径的内部生成。它们通过 API 看不到原文，却占着上下文窗口，并按输出 token 计费。短答案因此可以比屏幕上的字贵。Responses 把总量放在 output_tokens，明细在 output_tokens_details.reasoning_tokens。Chat Completions 的总量叫 completion_tokens，明细在 completion_tokens_details.reasoning_tokens。明细是总量里的一部分，不是总量外面再加的一笔。财务若把两列相加，会把同一次推理算两次。

这和 DeepSeek 把思维链放进 reasoning_content 不是同一口返回。那边你能在字段里看到一段文本，并且那段文本按输出计。这边默认不把原始推理还给你。持久化的推理项是不透明的，API 不返回推理原文。想看摘要，得显式打开 summary，auto 会落到该模型当时最细的那一档。摘要写在推理项的 summary 数组里，不开就不会出现。不开摘要，不代表 reasoning_tokens 是 0。打开摘要，看到的也不是原始推理，不能拿摘要的字数去减账单。

这列也不是提示缓存的写入加价。缓存写入贵在「把前缀写进缓存」那一笔，命中才打折。推理 token 是这一次生成出来的输出，不管你有没有把断点放对。显式缓存的小时存储更是另一口表：那里不调用也扣，这里是生成发生了才有推理输出。三列可以出现在同一张月账单上，对账时不能用其中一列去解释另外两列。

2. 上限吃掉的是整段生成，不是可见答案

控制成本的旋钮不是「答案最多几个字」。Responses 用 max_output_tokens，限制的是模型生成的全部 token，包括推理、可见输出，以及不可见的格式 token。token 计数说明写明：这两个上限都覆盖非可见 token，可见输出和账单之间没有固定差额，需要留出余量。Chat Completions 对应的字段是 max_completion_tokens，接口参考写的是可见输出和推理 token 的上限。旧的 max_tokens 已废弃，而且和 o 系列不兼容。把旧参数留在代码里，推理模型上不是「自动帮你封顶」，是这个参数根本不该用。

撞到上下文窗口或你设的 max_output_tokens，返回的 status 是 incomplete，incomplete_details.reason 是 max_output_tokens。文档写明：这可以发生在任何可见输出之前。也就是说，你可能为输入和推理付了钱，答案区是空的。空正文不是免费调用，也不是审核把内容删掉。审核截断要看审核字段。这里要看的是上限和 usage。官方给实验期的建议是，推理和输出至少留 25000 token 的余量，熟悉自己的题目之后再收紧。25000 是缓冲，不是报价，也不是每只模型的硬默认。

所以「把 max 设小来省钱」会省错地方。设得太小，模型把额度花在推理上，可见答案还没开始就停了，这笔的单价仍是输出价。设得很大，推理可以走到成千上万 token，答案仍然只有一两句。要对的是 usage 里的推理明细和总输出，不是把 output_text 丢进本地 tokenizer。

3. reasoning_tokens 为 0，输出仍可能比正文长

计数页单独写了一条容易漏的账。包括 GPT-5 在内的一些模型，会生成用来分隔通道、工具调用和消息结构的格式 token。这些 token 不出现在消息正文里，也不出现在 logprobs 里，而且不一定在 usage 里单独列出。结果是：报告的输出或 completion token 可以高于可见 token，也可以高于 logprobs 里的 token，即便 reasoning_tokens 是 0。

这条把两种误读拆开。第一种是「明细为 0，所以这只模型没在推理，账单应该等于答案字数」。格式 token 可以在推理明细为 0 时仍然把总输出抬高。第二种是「明细很大，所以多出来的全是思维链」。明细只解释推理那一截。总输出减明细，剩下的是可见输出加上没单独列出的格式 token，不是一份可以逐字核对的正文。本地 tokenizer 更对不上，因为它连请求结构里的角色和边界 token 都可能没算进你粘贴的那段纯文本。

reasoning.effort 也不是把推理 token 锁死的阀门。它引导模型想多少。支持的取值随模型变，可以包括 none、minimal、low、medium、high、xhigh、max，不是每只模型都有全部档位。调低倾向更快、更少 token，调高想得更完整。模型还会按题目自适应：简单题少想，难题多想。默认值同样随模型变，不能把某一只的 medium 写成全系规则。GPT-5.6 和 GPT-6 还有独立的 reasoning.mode：standard 是默认，pro 给更难的任务，可以接受更高延迟和更多 token。模式和 effort 互不替代。省略 effort 时，文档写 GPT-5.6 在两种模式下都默认 medium。把 mode 调成 pro、又没看 usage，短答案旁边可以出现很长的推理明细。

4. 下一轮带不带上一轮，默认按模型分

对话状态和推理状态不是一件事。把可见消息传下去，模型拿到的是对话历史。持久化推理另外决定：下一轮能不能把已有的、兼容的推理项渲染进下一次采样。文档把默认值写成两档。GPT-5.6 族支持 all_turns，并且默认就是它。更早的模型默认 current_turn。省略 reasoning.context，或显式写成 auto，用的是该模型的默认。返回里的 reasoning.context 才是实际生效的模式，只会是 current_turn 或 all_turns。这个字段不会凭空造出不存在的推理项。

current_turn 只让当前这一轮的推理可用，不把更早的推理渲染进下一次采样。文档说，回放旧条目时可以用它来减少被渲染的上下文。这是少带，不是把上一笔推理费退掉。all_turns 会把可用且兼容的推理项渲染进去，但只在请求拿得到更早的条目时生效：previous_response_id、挂到 conversation，或手动回放完整历史。第一轮没有更早的推理，两种模式一样。只把用户和助手的可见文本贴回去，推理项不在里面，all_turns 没有东西可渲染，下一轮会重新想。重新想的那一截又是新的输出。

推理只能在同一模型族里复用。文档举例：GPT-5.6 族内部可以互用，GPT-5.6 和 GPT-5.5 之间不带。换族时，即使 reasoning.context 是 all_turns，不兼容的推理也会从上下文里拿掉。换模型省下的不是「推理免费了」，是上一段推理没被带上，这一轮可能重新生成。 store 为 false，或组织启用了零数据保留，推理项默认带 encrypted_content。要在无存储模式下使用 all_turns，得自己保留每一个输出项，包括加密推理和助手阶段，再把下一条用户消息接上去整段回放。丢掉加密字段，下一轮就只剩可见对话。

5. 给账户充值，缩不了已经生成的推理

对账先分四列。第一列是 usage：推理明细和总输出，接口是 Responses 还是 Chat，有没有把明细又加进总量。第二列是 status 和 incomplete_details.reason，空正文要先对上限，而不是对审核。第三列是返回里的 reasoning.context，以及这次请求有没有 previous_response_id 或完整回放。第四列是 effort 和 mode：它们引导生成量，不是硬顶，pro 可以在短答案旁边拉长推理。型号名会变，以这一笔返回的 model 和推理模型页为准，不要用宣传名代替 usage。

给 OpenAI 账户充值是第五本账。链上把稳定币换成能充进账户的资产，发生在入账之前，不减少已经生成的推理 token，也不提高这一次请求的 max_output_tokens。需要这一步时，可以用无需注册、非托管的 AllSwap 完成链上兑换。兑换成功只说明资产换了手。短答案旁边的推理输出，该出现在 usage 里还是会出现。